如何高效沿axis=2合并两个Pandas DataFrame，使单元格值为元组？

针对百万级行的大型DataFrame，推荐两种高效实现方式：

方法一：利用np.stack + 逐列转换为元组数组 #

你已经通过np.stack得到了正确的三维数组，只需对每一列做转换，把每个二维元素转成元组，再构建DataFrame即可：

import pandas as pd
import numpy as np

df1 = pd.DataFrame({
   'A':[True, True, False],
   'B':[False, True, False], 
})

df2 = pd.DataFrame({
   'A':[1, 2, 3],
   'B':[5, 6, 7], 
})

# 生成三维数组
stacked = np.stack([df1.values, df2.values], axis=2)
# 逐列转换为元组数组，再构建DataFrame
result = pd.DataFrame({col: stacked[:, i, :].tolist() for i, col in enumerate(df1.columns)}, index=df1.index)

这种方法依托numpy的向量化操作，完全避免逐行循环，效率远高于单元格级遍历，适配百万级数据规模。

方法二：字典推导式生成元组列表（次高效，仅作参考） #

如果数据量相对较小，也可以用字典推导式逐列生成元组列表，但百万级行场景下，效率不如方法一：

result = pd.DataFrame({col: list(zip(df1[col], df2[col])) for col in df1.columns}, index=df1.index)

为什么直接转stacked为DataFrame不行？ #

np.stack生成的是三维数组，而Pandas DataFrame默认仅接受二维结构（每行对应一维数据），直接转换会让每个单元格变成数组而非元组，所以必须先把三维数组的最后一维转换为元组，再构建DataFrame。

内容的提问来源于stack exchange，提问作者MYK